Mengggunakan OpenCV dan Pillow sebagai Input dataset di Pytorch

Secara umum kita mengenal dataset image processing di pytorch menggunakan Pillow. Pillow menggunakan format yang tersusun agak beda dengan Opencv. Untuk Pillow menggunakan format WH sedangkan opencv dengan HW. Perbedaan cukup serius jika tidak dipahami dengan benar karena format Pytorch menggunakan NCHW. N merupakan batch, C adalah channel, H adalah height, dan W adalah width.

Mengenal Format NCHW pada Pytorch

Pembahasan mengenai format tersebut bisa kalian baca di Mempersiapkan Format Image di Deep Learning. Adakalanya kita tidak menggunakan Pillow karena function computer vision yang lengkap ada di OpenCV. Biasanya saya lebih suka menggunakan  OpenCV daripada Pillow. Secara default ketika menggunakan Pillow, kita butuh transform untuk mengubah format WH pillow menjadi CHW sebelum nanti dimasukan ke Loader menjadi format NCHW (atau kalau single file) bisa menggunakan perintah

1. .unsqueeze(0) mengubah CHW menjadi NCHW
2. .squeeze(0) mengubah NCHW menjadi CHW

Transform

Digunakan untuk Memproses dan mempersiapkan data (biasanya gambar) sebelum dikirim ke model. Kenapa Penting? Model deep learning tidak bisa langsung membaca gambar mentah (misalnya hasil cv2.imread() atau PIL.Image) — perlu diubah dulu ke format tensor, dinormalisasi, diubah ukurannya, dll.

Contoh transform secara umum

from torchvision import transforms

transform = transforms.Compose([
    transforms.Resize((224, 224)),     # ubah ukuran gambar
    transforms.Grayscale(),            # ubah ke grayscale
    transforms.ToTensor(),             # ubah ke tensor (0–1, CHW)
    transforms.Normalize(mean=[0.5], std=[0.5])  # normalisasi ke [-1, 1]
])

Untuk mempermudah permahaman, saya gunakan kode yang lebih simple saja untuk mengetahui cara penanganan Pillow dan OpenCV pada Transform menggunakan kode simple transform dibawah ini

from torchvision import transforms
transform = transforms.Compose([
    transforms.Grayscale(),             # Convert ke grayscale
    transforms.ToTensor(),              # Terakhir ubah ke tensor
])

Pillow

Pillow adalah library Python untuk memproses dan memanipulasi gambar. Ini adalah versi modern dari PIL (Python Imaging Library), yang dulu sempat tidak dikembangkan lagi. Berikut contoh function dasar pada Pillow

Fungsi	Contoh
Membuka gambar	Image.open("gambar.jpg")
Menyimpan gambar	img.save("output.png")
Mengubah ukuran	img.resize((224, 224))
Mengubah format	img.convert("L") → grayscale, "RGB", "RGBA" dll
Rotate / flip	img.rotate(90) atau img.transpose(Image.FLIP_LEFT_RIGHT)
Crop	img.crop((x1, y1, x2, y2))

Contoh singkat penggunaan Pillow

from PIL import Image

# Buka gambar
img = Image.open("gambar.jpg")

# Ubah ke grayscale
gray = img.convert("L")

# Resize
resized = gray.resize((128, 128))

# Simpan hasil
resized.save("gray_128x128.png")

Kenapa Pillow Penting untuk PyTorch?

Karena:

• Banyak transform di torchvision.transforms butuh input gambar berupa PIL.Image, bukan NumPy array.

• Jadi kalau kamu pakai cv2 (yang hasilnya NumPy), kamu harus konversi ke PIL:

Mengapa pytorch memilih Pillow daripada OpenCV sebagai default penggunaannya?

Karena Pillow lebih sederhana, ringan, dan lebih “Pythonic”, serta sudah cukup untuk banyak keperluan pre-processing gambar sebelum dikirim ke model.

1. Format default
   1. Pillow: warna RGB (cocok untuk deep learning)
   2. OpenCV: BGR (sering bikin bingung 😅)
2. Integrasi dengan PyTorch
   1. Pillow: Sangat kompatibel dengan torchvision.transforms
   2. OpenCV: Perlu konversi NumPy → PIL sebelum transform
3. Sederhana untuk loading
   1. Pillow: Image.open(…) → langsung jadi PIL image
   2. OpenCV: cv2.imread(…) hasilnya NumPy array
4. Ukuran library
   1. Pillow: Lebih kecil
   2. OpenCV: Lebih besar, banyak dependensi (C++, GUI, dll)
5. Kecepatan Cukup
   1. Pillow: cepat untuk tugas ringan
   2. OpenCV: Lebih cepat untuk pemrosesan video / real-time
6. Komunitas
   1. Pillow: PyTorch Sudah terbiasa dengan PIL
   2. OpenCV: Perlu effort ekstra untuk integrasi
7. Transform (rotate, resize)
   1. Pillow: Terintegrasi langsung di torchvision.transforms
   2. OpenCV: Harus pakai cv2.resize, cv2.rotate, dll

Kita akan uji coba loading gambar dengan ukuran

1. H height: 254, dan
2. W width: 199, kita akan loading via Pillow

from PIL import Image
img = Image.open("cat.jpeg").convert("RGB")
img.size

dengan output yaitu

(199, 254)

yang artinya Pillow dengan format urutan WH, langkah selanjutnya transform yang akan mengubah menjadi CHW

img_tensor = transform(img)
img_tensor.shape

hasilnya format berubah menjadi CHW

torch.Size([1, 254, 199])

kemudian untuk mengubah ke format NCHW menggunakan perintah berikut

img_tensor.unsqueeze(0).shape

hasilnya

torch.Size([1, 1, 254, 199])

OpenCV

mari kita akan loading gambar dengan OpenCV

import cv2
img_numpy = cv2.imread('cat.jpeg',0)
img_numpy.shape

dengan format HW

(254, 199)

Apa yang terjadi ketika kita panggil

img_numpy_tensor = transform(img_numpy)

pasti akan terjadi error!

TypeError: img should be PIL Image. Got <class 'numpy.ndarray'>

untuk mengatasi hal tersebut, kita butuh konvert Image.fromarray() sehingga secara otomatis akan mengubah juga skala nya dari semula 0 sd 255 menjadi 0 sd 1

transform(Image.fromarray(img_numpy)).shape

sekalian cek hasilnya

torch.Size([1, 254, 199])

Mengapa langsung menggunakan transform dengan input numpy mengalami error? Karena transformasi seperti transforms.Grayscale() dan transforms.ToTensor() dari torchvision:

• Hanya menerima input berupa objek PIL Image, bukan NumPy array.

• Didesain untuk dipakai dengan PIL.Image.open() atau dataset seperti ImageFolder.

Sehingga kode nya sebagai berikut

transform(Image.fromarray(img_numpy))

 

Sekedar informasi mengenai format NCHW

Huruf	Arti	Penjelasan
N	Batch Size	Jumlah gambar dalam satu batch
C	Channels	Jumlah channel (1 = grayscale, 3 = RGB)
H	Height	Tinggi gambar
W	Width	Lebar gambar

Format Alternatif: NHWC

Framework lain seperti TensorFlow kadang pakai format NHWC:

• N = batch

• H = height

• W = width

• C = channels

Format tersebut ada di Tensorflow